老司機速成班開課啦！人工智慧用《GTA》學開車

為了訓練自動駕駛系統，搜集大量數據讓系統學習如何應對各種狀況是其中的關鍵——特斯拉通過量產汽車搜集，Google則是耗費8年的時間讓無人車到處亂走 ，但現在有更省時省力的方式。

人工智慧實驗室OpenAI近日開源一套通過《俠盜獵車手》學習的自動駕駛系統，只需要一部電腦、購買一套遊戲，

人人都可以開發出自動駕駛系統

。

可訓練自動駕駛系統避免碰撞、

到達目的地、維持在道路中央等

由OpenAI開源的自動駕駛訓練項目來自「DeepDrive」，其在2015年將《俠盜獵車手》改為適合訓練自動駕駛系統的環境

（如拿掉遊戲中的暴力或違法元素）

，再

將遊戲作為自動駕駛系統的訓練模擬器

，強化系統避免碰撞、到達目的地、維持在道路中央等駕駛行為。

▲正在遊戲中開車的人工智慧

OpenAI將DeepDrive整合進旗下訓練AI的虛擬世界Universe，並於近日開源，將繁瑣的事前環境設置簡化到

只需20分鐘

即可完成。

開源項目除包含將遊戲設定為適合訓練自動駕駛的程序碼，也提供已訓練了21小時、相當於60萬幀圖像的「代理程序」。

就好比你的「自動駕駛司機」已經從駕校學了開車的基本手法和理論，至於之後如何發展需要接回家自己再訓練。

▲比如在遊戲的環境中設置雨雪、大霧等極端天氣

自動駕駛系統如同其他人工智慧，必須通過大量數據學習。不過，真實世界收集數據的速度有限，相比之下，來自電腦合成並自動標記注釋的數據，不僅快速且品質穩定，可加速人工智慧訓練。

DeepDrive隸屬的OpenAI項目一直都是人工智慧訓練界的一股泥石流，他們的大量項目都是用各種PC、主機、手機遊戲來訓練人工智慧。

▲小羊跳躍、一筆畫、賽車遊戲……這些都是用來訓練AI的

而《俠盜獵車手》的

高擬真環境

，正好相當適合訓練自動駕駛系統。該遊戲的場景範圍約是1/5個洛杉磯大，路況包含蜿蜒的城市街道、山區、沙漠和高速公路，提供廣泛多樣的訓練場景，且每種場景都能搭配14種不同天氣，以及257種不同汽車和7種腳踏車。

通過不同場景、天氣和交通工具的排列組合，自動駕駛系統能在短時間內在大量場景中學習。

減少訓練成本和時間、

讓自駕車上路測試前更安全

用《俠盜獵車手》這類的虛擬環境訓練人工智慧，優勢在於可快速處理用於機器學習的數據，自動將場景內的物件分類，例如汽車、行人、自行車、動物、路面、交通標誌等，省去辨認和分析的時間及成本。在真實世界，單是收集街道圖像和標記物件，都要耗費上千小時。

▲畢竟真實駕駛環境中路上會遇到各種各樣的情況

此外，DeepDrive可加速測試過程、減少測試成本。

過去，要訓練AI處理特定事件，如在結冰的道路上行駛，需收集上千小時的道路駕駛經驗，但通過遊戲模擬器，便可讓系統直接針對特定場景學習。這也讓自動駕駛系統在實際上路測試前變得更安全，因為在上路前他們已經歷過大量模擬事件。

這套開源的程序給了更多人探索自動駕駛的可能，但自動駕駛距離「秋名山車神」的設定還有很長一段路可走。

您的贊是小編持續努力的最大動力，動動手指贊一下吧！

本站內容充實豐富，博大精深，小編精選每日熱門資訊，隨時更新，點擊「搶先收到最新資訊」瀏覽吧！

請您繼續閱讀更多來自 科技畫報 的精彩文章: